为什么某些ASCII字符不能以Java源代码中的'\ uXXXX'形式表示？

Question

我今天偶然发现了这个问题:

class Test {
    char ok = '\n';
    char okAsWell = '\u000B';
    char error = '\u000A';
}

它不编译:

第4行中的字符常量无效.

编译器似乎坚持要我写'\n'而不是.我没有理由这样做,但它很烦人.

有没有为什么有一个特殊的符号字符(比如一个合乎逻辑的解释\t,\n,\r)必须要在Java源代码这种形式表达？

Answer 1

Unicode字符由其值替换,因此您的行将被编译器替换为:

char error = '
';

这不是有效的Java语句.

这取决于语言规范:

用于Java编程语言的编译器("Java编译器")首先在其输入中识别Unicode转义,将ASCII字符\ u后跟四个十六进制数字转换为指示的十六进制值的UTF-16代码单元(第3.1节),并且传递所有其他字符不变.表示补充字符需要两个连续的Unicode转义.此转换步骤将生成一系列Unicode输入字符.

这可能导致令人惊讶的东西,例如,这是一个有效的Java程序(它包含隐藏的unicode字符) - 由Peter Lawrey提供:

public static void main(String[] args) {
    for (char c??h = 0; c??h < Character.MAX_VALUE; c??h++) {
        if (Character.isJavaIdentifierPart(c??h) && !Character.isJavaIdentifierStart(c??h)) {
            System.out.printf("%04x <%s>%n", (int) c??h, "" + c??h);
        }
    }
}

Answer 2

\u000a在Java编译器对源代码执行任何其他操作之前,Unicode转义序列将替换为它们所代表的实际字符.所以,你的程序最终会结束

char ch = '
';

因此\u000a,源代码中的换行符由内部替换.请注意,这在编译器实际读取和解释源代码之前发生.

参考Java语言规范:

行终止符(第3.4节)在打开之后和结束之前出现是编译时错误.

而且所有人都知道,\n是一个行终结者,引用:

 LineTerminator:
    the ASCII LF character, also known as "newline"
    the ASCII CR character, also known as "return"
    the ASCII CR character followed by the ASCII LF character

可能导致问题的其它符号\,'和"例如.